Pengelompokan Kualitas Kinerja Pegawai Menggunakan Metode K-Means Clustering

Anindita Septiarini, Ibnu Amri Thaher, Novianti Puspitasari
{"title":"Pengelompokan Kualitas Kinerja Pegawai Menggunakan Metode K-Means Clustering","authors":"Anindita Septiarini, Ibnu Amri Thaher, Novianti Puspitasari","doi":"10.34010/komputika.v11i2.5518","DOIUrl":null,"url":null,"abstract":"Penelitian ini dilakukan untuk mengelompokkan kualitas kinerja pegawai yang hasilnya dapat dimanfaatkan pihak Badan Pusat Statistika Kota Samarinda untuk mengetahui kelompok (cluster) dari setiap pegawainya. Penilaian kualitas kinerja pegawai tersebut dilakukan setiap tahunnya. Hasil penilaian tersebut dikelompokkan menjadi beberapa cluster sebagai bahan pertimbangan bagi pemimpin untuk memberikan rekomendasi jabatan kepada pegawainya. Pengelompokan tersebut dilakukan dengan menggunakan metode clustering dengan algoritme k-means. Pengelompokan data dilakukan berdasarkan jarak terdekat ke pusat cluster. Pada penelitian ini diterapkan tiga algoritme untuk menentukan jarak ke pusat centeroid untuk melihat perbandingannya. Sampel data yang digunakan sebanyak 25 pegawai dengan lima atribut yang terdiri dari professional, integritas, amanh, capaian kinerja pegawai, dan absensi. Data dikelompokan menjadi 3 cluster yang merupakan jumlah cluster paling optimal berdasarkan hasil pengujian Sum of Square dengan nilai sebesar 3,55 yang merupakan nilai dengan selisih terbesar. Hasil penerapan metode clustering diperoleh sebanyak 12 karyawan berada pada cluster satu, 10 karyawan berada pada cluster kedua, dan 3 karyawan berada pada cluster ketiga. Berdasarkan nilai pusat centeroid pada iterasi terakhir disimpulkan bahwa pegawai pada cluster pertama merupakan pegawai yang memiliki nilai terbaik, cluster kedua merupakan pegawai dengan nilai sedang, dan cluster ketiga merupakan pegawai dengan nilai terendah.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-07-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Komputika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34010/komputika.v11i2.5518","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Penelitian ini dilakukan untuk mengelompokkan kualitas kinerja pegawai yang hasilnya dapat dimanfaatkan pihak Badan Pusat Statistika Kota Samarinda untuk mengetahui kelompok (cluster) dari setiap pegawainya. Penilaian kualitas kinerja pegawai tersebut dilakukan setiap tahunnya. Hasil penilaian tersebut dikelompokkan menjadi beberapa cluster sebagai bahan pertimbangan bagi pemimpin untuk memberikan rekomendasi jabatan kepada pegawainya. Pengelompokan tersebut dilakukan dengan menggunakan metode clustering dengan algoritme k-means. Pengelompokan data dilakukan berdasarkan jarak terdekat ke pusat cluster. Pada penelitian ini diterapkan tiga algoritme untuk menentukan jarak ke pusat centeroid untuk melihat perbandingannya. Sampel data yang digunakan sebanyak 25 pegawai dengan lima atribut yang terdiri dari professional, integritas, amanh, capaian kinerja pegawai, dan absensi. Data dikelompokan menjadi 3 cluster yang merupakan jumlah cluster paling optimal berdasarkan hasil pengujian Sum of Square dengan nilai sebesar 3,55 yang merupakan nilai dengan selisih terbesar. Hasil penerapan metode clustering diperoleh sebanyak 12 karyawan berada pada cluster satu, 10 karyawan berada pada cluster kedua, dan 3 karyawan berada pada cluster ketiga. Berdasarkan nilai pusat centeroid pada iterasi terakhir disimpulkan bahwa pegawai pada cluster pertama merupakan pegawai yang memiliki nilai terbaik, cluster kedua merupakan pegawai dengan nilai sedang, dan cluster ketiga merupakan pegawai dengan nilai terendah.
基于K-Means聚类方法的军官-工人质量群
这项研究旨在对官员的绩效素质进行分组,其结果可供萨马林达市统计中心用于找出每个官员的集群。每年对工作人员的业绩进行质量评估。评估结果被分为几个类别,作为领导人向其工作人员提出建议的考虑事项。分组是使用聚类方法和k均值算法来完成的。数据分组是根据距离集群中心最近的距离进行的。在这项研究中,使用了三种算法来确定到圆心的距离,以进行比较。多达25名官员使用的数据样本,具有五个属性,包括专业、诚信、安全、员工表现和缺勤。数据被分为3个聚类,这3个聚类是基于平方和测试结果的最优聚类数量,值为3.55,这是具有最大分段的值。聚类方法的应用结果表明,第一集群中有12名员工,第二集群中有10名员工,而第三集群中有3名员工。基于上一次迭代时中心线的中心值,得出结论:第一个集群中的军官是具有最佳值的军官,第二个集群是具有当前值的军官;第三个集群是值最低的军官。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
25
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信